Un forestazione decisionale è un termine generico che descrive i modelli composti da più alberi decisionale. La previsione di un bosco decisionale è l'aggregazione delle previsioni dei suoi alberi decisionale. L'implementazione di questa aggregazione dipende dall'algoritmo utilizzato per addestrare la foresta decisionale. Ad esempio, in una foresta casuale di classificazione di più classi (un tipo di foresta decisionale), ogni albero dà un voto per una singola classe e la previsione della foresta casuale è la classe più rappresentata. In una struttura a gradiente di classificazione binari con albero (GBT) (un altro tipo di foresta decisionale), ogni albero genera un logit (un valore in virgola mobile) e la previsione con albero con gradiente è la somma di questi valori seguiti da una funzione di attivazione (ad es. sigmoide).
I prossimi due capitoli descrivono nel dettaglio questi due algoritmi della foresta decisionale.